[发明专利]语音识别模型的生成方法、语音识别方法、装置及设备

说明书

本申请公开了一种语音识别模型的生成方法、语音识别方法、装置及设备，涉及语音识别技术领域，生成的语音识别模型能够准确提取到较强表征能力的语音特征向量，提高语音识别用户身份的准确率。其中方法包括：获取多元语音样本数据组合；通过孪生神经网络的特征提取模块，对多元语音样本数据组合进行特征提取，得到表征不同样本类型的语音特征向量，通过孪生神经网络的相似计算模块，确定表征不同样本类型的语音特征向量之间的相似度，根据表征不同样本类型的语音特征向量之间的相似度对孪生神经网络进行训练，得到训练后的孪生神经网络，使用训练后的孪生神经网络的特征提取模块构建语音识别模型。

技术领域

本申请涉及语音识别技术领域，尤其是涉及到一种语音识别模型的生成方法、语音识别方法、装置及设备。

背景技术

语音是人的自然属性之一，由于说话人发音器官的生理差异以及后天形成的行为差异，每个人的语音都带有强烈的个人色彩，用语音来鉴别用户身份有许多独特的优点，例如，语音是用户固有的特征，不会丢失或者遗忘，语音信号的采集方便，系统设备成本低，相比于其他生物识别技术如指纹、手势等，语音不仅使用方便，而且易于被用户接受。

语音识别用户身份的关键在于使用语音识别模型从语音信号中提取表征用户的语音特征，该语音特征可以反映用户固有特征，能够直接影响用户身份识别的准确性，而相关技术中应用较为广泛的方法主要是使用语音频谱特征结合概率的方式来生成语音识别模型对说话人身份进行识别，该方法能够在无噪音环境下准确识别出用户身份，但是该方法中语音识别模型的结构十分复杂，涉及到语音识别用户身份的参数量较大，很难提取到较强表征能力的语音特征，使得语音识别用户身份的准确率较低。

发明内容

有鉴于此，本申请提供了一种语音识别模型的生成方法、语音识别方法、装置及设备，主要目的在于解决现有技术中语音识别模型结构十分复杂，很难提取到较强表征能力的语音特征的问题。

根据本申请的第一个方面，提供了一种语音识别模型的生成方法，该方法包括：

获取多元语音样本数据组合，所述多元语音样本数据组合包括多个不同样本类型的语音数据；

通过孪生神经网络的特征提取模块，对所述多元语音样本数据组合进行特征提取，得到表征不同样本类型的语音特征向量；

通过所述孪生神经网络的相似计算模块，确定所述表征不同样本类型的语音特征向量之间的相似度；

根据所述表征不同样本类型的语音特征向量之间的相似度对所述孪生神经网络进行训练，得到训练后的孪生神经网络；

使用训练后的所述孪生神经网络的特征提取模块构建语音识别模型。

进一步地，所述获取多元语音样本数据组合，具体包括：

获取目标说话人的语音数据作为锚点样本；

获取与所述锚点样本在表征说话人的属性维度上相同的语音数据作为正样本；

获取与所述锚点样本在表征说话人的属性维度上不同的语音数据作为负样本；

将所述锚点样本、所述正样本和所述负样本构建为所述多元语音样本数据组合。

进一步地，所述获取多元语音样本数据组合，具体包括：

获取目标说话人的语音数据作为锚点样本；

获取与所述锚点样本在表征说话人的属性维度上相同的语音数据作为正样本；

获取与所述锚点样本在表征说话人的属性维度上不同的语音数据作为负样本；

获取与所述目标说话人不同，但与所述锚点样本在表征至少一个语音特征的属性维度上相同的语音数据作为硬负样本；